Использование значений индикатора уровня принятого сигнала (RSSI) для обнаружения присутствия человека является хорошо известным методом Wi-Fi-сканирования. Сотрудники факультета вычислительной математики и кибернетики (ВМК) МГУ предложили два новых метода, основанных на дискретном фильтре Колмогорова-Винера и нейронной сети с управляемыми рекуррентными нейронами. Последний оказался точнее и не требовал дополнительных настроек, а значит, он может стать эффективным подходом для применения Wi-Fi-сканирования в различных сферах — транспортной, системах безопасности и медицине. По результатам исследования опубликована статья в журнале Proceedings of the Institute for System Programming of the RAS.
Обнаружение человека и фиксация его движения могут использоваться для решения задач в сфере транспорта, бытовой безопасности (умные дома), охраны коммерческих помещений (складов, офисов), здравоохранения и прочих. С развитием технологии Wi-Fi, в частности, с совершенствованием аппаратной части точек доступа, появилась возможность использовать их в качестве локаторов. Глобально существует два подхода к обнаружению движения при помощи Wi-Fi-устройств. Первый и самый простой основан на RSSI (индикаторе уровня принятого сигнала), а второй — на анализе более полной информации о состоянии канала связи Channel State Information (CSI). Второй способ потенциально может давать более точные результаты, но накладывает ограничения на используемые Wi-Fi точки доступа. Во-первых, они должны быть многоантенными. Во-вторых, для того чтобы получать значения CSI, сетевая карта точки доступа Wi-Fi должна быть определенной версии, и сама точка доступа должна иметь специальную версию управляющего программного обеспечения. Данные ограничения непросто удовлетворить, если нужно разработать универсальное решение.
«Оба подхода основаны на схожем принципе. Когда человек проходит между устройствами Wi-Fi, RSSI или CSI изменяется. Уровень RSSI — это физическая величина, которая характеризует полную мощность сигнала, принимаемого устройством Wi-Fi. Измерение происходит по логарифмической шкале в дБм (децибелах относительно милливатта). Мы выбрали подход на анализе RSSI, так как его значение можно получить практически на всех Wi-Fi-устройствах», — рассказал аспирант и математик кафедры автоматизации систем вычислительных комплексов факультета ВМК МГУ Андрей Чупахин.
«Для решения задачи определения присутствия человека по данным RSSI часто используются статистические алгоритмы. Наиболее часто встречающийся подход к решению рассматриваемой задачи основан на использовании различных статистических характеристик отфильтрованного временного ряда RSSI. Лучшие результаты в этой категории показал алгоритм, основанный на использовании фильтра Калмана, и алгоритм, основанный на сочетании фильтров с использованием скользящих средних. Однако существует и альтернативная группа подходов, основанных на алгоритмах машинного обучения и нейронных сетях», — рассказал бакалавр кафедры автоматизации систем вычислительных комплексов факультета ВМК МГУ Павел Шибаев.
Ученые предложили рассмотреть новые подходы из обеих категорий. В качестве статистического алгоритма был выбран фильтр Колмогорова-Винера, а в качестве нейросетевого рассмотрена нейронная сеть с рекуррентными блоками (GRU). Результаты экспериментального исследования показали, что точность нейросетевого подхода выше, чем у алгоритма, основанного на фильтре Колмогорова-Винера, который, кроме того, требует дополнительной предварительной настройки определения уровня шума в помещении. Результаты работы помогут разработать универсальный подход к слежению за движениями человека при помощи Wi-Fi-сканирования.
Информация предоставлена пресс-службой МГУ
Источник фото: ru.123rf.com
